2025年4月29日 | 所要時間：12分

すべてのプロジェクトが同じ形で価値を生むわけではありません。実証済みのビジネスモデルがあり、前提条件を比較的少なく設定できるのであれば、一定の投資額に対してどのような価値が生まれるかを、安心して見積もることができます。これが、今日の多くのAIプロジェクトが急進的な成果を目指していない理由の1つです。企業の多くは、効率化やコスト削減を中心にAIを活用していますが、ビジネスモデル自体は比較的安定しており、AIはあくまで漸進的な改善にとどまっています。たとえば、法律事務所がRFPへの対応にAIを活用したり、広報会社がプレスリリースの作成にテクノロジーを用いたりするケースが挙げられます。お客様に対する業務提供の基本的な構造は変わっておらず、ビジネスモデル自体も、少なくとも現時点では変化していません。

はるかに高いROIは、新しいビジネスモデル、まったく新しいケイパビリティ、そして破壊的イノベーションの可能性を秘めた、高不確実性な領域から生まれます。既存の事業と同じ手法では、こうした投資の価値を計算することはできません。こうした取り組みにおいては、オプション価値を構築していくことが重要です。リアルオプションとは、今日支払うことで将来の権利を得るものであり、義務ではありません。つまり、将来追加投資をするかどうかの選択肢を確保するという考え方です。もしそのオプションがうまくいかなかったとしても、やめることができます。その時点で失うのは、（理想的には）そのオプションを設定するために支払った少額のコストだけです。学習プロセスの中で次のステップに進むことだけにコミットすればよく、各段階でビジネスの見通しを再評価することができます。

調査によれば、オプションへの投資は、コアビジネスへの投資よりも投資単位あたりのROIが高いことが示されています。ただし、それぞれアプローチが大きく異なります。これは、ベンチャーキャピタリストの思考法と同じです。彼らは高い失敗率を受け入れる覚悟があります。なぜなら、失敗コストを管理しつつ、少数の勝者が大きな成功を収めることを見越しているからです。

AIがゲームチェンジャーとなる好例としては、Kraft-Heinzがサプライチェーン全体をデジタルツイン技術で管理しているケースが挙げられます。現実の世界で何かが起きたとき—たとえば港が閉鎖されたり、サプライヤーが納期に間に合わなかったりした場合—その実データをシミュレーションされたサプライチェーンに取り込むことができます。そのシステムは、リアルタイムで数十、あるいは数百のシナリオを計算的にシミュレーションし、企業の目標に最も合致するアクションプランを推奨します。これは人間の頭脳だけでは不可能な作業です。

このような状況に、心当たりはありませんか？あなたのAI戦略は、あなたを未来へと引っ張ろうとしています。しかし、それに必要な予算は、既存事業の抵抗やリソース確保の難しさによって足かせになっています。多くのAIプロジェクトでは、明確なガバナンスプロセスが存在せず、その結果、ポートフォリオが戦略や予算と連動していないのです。そして、現場の担当者たちは今なお短期的な成果を上げることで評価されています。その結果、AIプロジェクトのポートフォリオ管理は混乱した状態になりがちです。まず取り組むべき第一歩は、自社がすでに進めている取り組みを明確に把握することです。

将来の市場に対する不確実性と、技術やケイパビリティに関する不確実性という2つの種類の不確実性を想定してみましょう。

図1：不確実性を組み込んだポートフォリオフレームワーク

この2軸を組み合わせることで、図1のように、プロジェクトの位置づけを視覚的に把握することができます。コア領域に位置するプロジェクトは、どちらの軸においても不確実性が低いのが特徴です。すでに現実の恩恵をもたらす応用事例が多数開発されています。たとえばAIの分野では、不正防止、医療画像の解析、ゲーミング、アナリティクスなど、すでに多くの実用的なアプリケーションが存在し、実際に利用されています。

プラットフォーム領域にあるプロジェクトは、将来の中核事業の一部となるよう準備が進められています。AlphabetのWaymoによる自動運転車プロジェクトは、現時点ではこの段階にあり、まだ企業の業績に大きな影響を与えるほどの規模ではありません。しかし、すでに市場に投入されており、価値を創出できることを示しています。実際、Swiss Reinsuranceと共同で行われた最近の調査では、Waymoの車両が人間のドライバーよりもはるかに安全であることが確認されており、これは同社の価値提案にとって極めて重要な要素です。Waymoは現在、Uberと提携しユーザープラットフォームとしての新たな枠組みを構築しており、これは両社にとって新たなプラットフォーム機会を生み出す可能性があります。

モデルの外縁部に到達すると、私たちはオプションの世界に入っていきます。そこでは、将来の仮説や実験に対して小さな賭けを行うような形になります。たいていの場合、それらはうまくいきません。しかし、それらはあなたをゲームにとどめておく手段と捉えることができます。言い換えれば、選択肢を開いたままにしておくことで、技術の進化に不意を突かれずに対応するための備えとなるのです。

オプションのポジショニングとは、多くの顧客にニーズがあると信じて投資を行うものの、どのソリューションが勝者になるのかがまだ明確でない場合の投資を指します。遠隔通信の将来を考えてみましょう。それはホログラムになるでしょうか？柔軟な表面？私たちの代わりに退屈な会議に行くチャットボット？誰にも正解はわかりません。だからこそ、いくつかの種をまき、どれが育つかを見極めるのが賢明です。ただし、ほとんどは途中で刈り取られる運命にあります。

オプションのスカウティングは、自分が知っていると思っていることを新たな市場に持ち込むという大きな不確実性を伴います。現在、多くのAIアプリケーションがこの領域にあります—私たちは、革新的なアプリやソリューションを生み出しましたが、それを誰かが本当に求めているのかを検証する段階にあります。オプション探索で成功するための鍵は、実験的なマインドセットを持つことです。そして、思ったようにいかなかった実験を失敗とは捉えず、裏付けのない仮説が確認されたに過ぎないと理解することが重要です。

ステッピングストーンのオプションは、すべての中で最も不確実です。AIなしでは解決できない問題を抱えている実際のお客様グループを見つけることが目的です。軍事における自動運転テクノロジーの導入は一例です。トラック運転手をAIが制御する車両に置き換えることで、リスクの低減や時間の節約が可能になり、アナログ方式よりも精緻な輸送管理が実現されます。

慎重な投資の一般的なルールとしては、利用可能なリソース（人材・資金）のうち70％をコア領域に、20％をプラットフォームに、そして最大でも10％程度をオプション領域に配分するのが良いとされています。皮肉なことに、調査によると、ROIは逆です。コアに投資した1ドルは約10％、プラットフォームには約20％、オプションに投資すると、適切に管理されていれば、70％のリターンがあります。

このようなマップを使うことで、貴社が実際に取り組んでいることを迅速に把握することができます。ところが、多くの企業では、ポートフォリオが単なる社員の情熱の寄せ集めや、2代前のCEOの時代から残る過去の遺物のようなプロジェクト、あるいはまったく進展のない取り組みで構成されていることが少なくありません。ポートフォリオ分析の結果が図2のような状態であるなら、AIへの戦略的投資がなされているとは到底言えません。

図2：不確実性を取り入れたポートフォリオフレームワーク

不確実性のレベルを評価する方法は？以下はそのヒントです。

以下についてどの程度自信がありますか？

1 = 確定

2 = 比較的不確実

3 = 非常に不確定

市場における不確実性

• AIの価値提案の明確さ（AIソリューションが特定の顧客の課題にどの程度明確に対処しているか）
• お客様の支払い意欲（AIが生成した成果物に対し、従来型のソリューションと比較して顧客がどれだけ対価を払う意志があるか）
• データの権利と所有モデル（トレーニングデータ・推論データ・出力データの所有権が誰にあるか）
• 競争優位性（模倣困難性）（競合他社が同様のAI機能を再現することをどの程度困難にできるか）
• 収益モデルの持続可能性（サブスクリプション型、使用量ベース、成果報酬型、またはフリーミアム型モデルの持続性）
• 規制環境（対象となるAIアプリケーション分野における法規制の状況）
• 市場参入戦略（直接販売、プラットフォームパートナーシップ、APIエコシステム）
• 特定ドメインにおけるAIに対する顧客の信頼と導入準備
• コストの比例的な増加なしにビジネスモデルを拡張する能力
• データの蓄積によるネットワーク効果の活用可能性

回答のスコア評価

10～16：市場の不確実性が低い

17～23：市場の不確実性は中程度

24～30：市場の不確実性が高い

技術的不確定性

• データ取得戦略とデータ品質評価
• 使用量が増加するにつれて、コンピューティング要件とスケーリング戦略を計算する
• モデルのパフォーマンスベンチマーク対お客様の期待
• 貴社の本番環境でモデルを効率的に開発、展開、保守する能力
• 機械学習システムにおける技術的負債管理手法
• モデルのドリフトを検知し、軽減する能力
• 継続的改善のためのフィードバックループの実装
• AIセキュリティおよび脆弱性管理
• 既存のお客様システムとの統合の複雑さ
• 技術チームの構成と重要な専門性のギャップ

回答のスコア評価

10～16：技術的不確実性が低い

17～23：技術的不確実性が中程度

24～30：技術的不確実性が高い

現状のポートフォリオの全体像を把握することで、その健全性を評価し、今後求められるかもしれない他の投資への示唆を得ることができます。優先順位をつけるには、自社が開発しているポートフォリオが戦略を支援する内容になっているかどうかを確認してください。

AIには、既存の戦略を大幅に見直す必要があります。Edtechの先駆者であるCheggにそれが及ぼした不幸な影響を考慮してください。この企業は、皮肉にも、学生の宿題の成績向上を「支援」することで有名になりましたが、その実態はインドの労働者を大量に動員して対応していたものでした。同社は、幻覚の問題があるにもかかわらず、AIは自社ビジネスに悪影響を与えないと信じていたのです。学生たちは、サービスが無料であれば、多少の幻覚には十分対応できると考えているようです。Cheggの株価は2024年から2025年にかけて90％以上下落し、AIが学生たちに代わって仕事をこなすようになる中で、同社が存続可能でなくなるのではという懸念が出ています。

何に投資すべきか、何に投資すべきでないかを判断するための実践的な方法として、戦略的意図を反映した軸に基づくスコアカードを作成するという手があります。何に投資すべきか、何に投資すべきでないかを判断するための実践的な方法として、戦略的意図を反映した軸に基づくスコアカードを作成するという手があります。スコアカードに含まれるスクリーニング項目は、どの機会が望ましく、どの機会が望ましくないかを明確にし、すべてのアイデアを同じ基準で評価することを可能にします。。重要なのはスコアそのものではなく、その背後にある思考プロセスです。

では、AIへの投資案をより望ましいものにするのは何でしょうか？以下は、スコアカードの一例です。

このようなスコアカードの作成は、多くの場合、過去の経験と将来に関する洞察の組み合わせによって行われます。ワークショップの場では、例えば以下のような問いかけをしてみてもよいでしょう。どのような種類のものに投資しておらず、投資しなければよかったと思うのでしょうか？どのような基準が違いを生んだのでしょうか？将来を見据え、自社の志向や、今後どこで・どのようにプレーしていきたいのかを反映する評価軸についても検討する必要があります。

次に、プロジェクトとイニシアチブの一覧に戻り、それらにスコアを付けてください。これは、戦略グループや経営陣による簡易的な分析かもしれません。ここでの目標は、完璧さではなく、方向性の正確さです。それぞれの主要イニシアチブにスコアを付けたら、順位付けを行ってください。上位にランクされたものは最優先されるべきです。リソースがまだ残っている場合、2番目のグループを維持することができます。最下位グループは廃止の候補であり、離脱プロセスを経る必要があります。

AIは確かに、ほとんどの組織にとって注目すべき開発です。だからといって、ゲームに巨額の資本を投入しなければならないというわけではありません。規律を守りながら賢く参加することで、会社を賭けることなく、常に新しい動向を把握することができます。